[发明专利]一种基于朗伯比尔定律的水下图像增强方法

说明书

本发明名公开了一种基于郎伯比尔定律的水下图像增强办法，首先，分析水下图像成像过程，通过朗伯比尔定律增强水下图像，构建水下图像增强模型；其次，使用景物信息丰富的自然图像的统计均值和方差来校正水下图像的均值和方差；然后，构建与水下图像的均值和方差相关联的线性模型，用于定位包含更多无法改善的细节的图像区域；最后，利用定位信息加入非线性自适应权重函数，改善水下图像细节并防止其余细节失真。本发明对水下图像产生更好的结构还原，更自然的色彩校正和更少的时间消耗。

技术领域

本发明属于水下图像增强领域，具体为一种基于朗伯比尔定律的水下图像增强方法。

背景技术

由于水下环境的物理特性，水下光强度很容易受到两个因素的影响。首先，光在水中传播的距离越长，能量衰减越大，导致图像细节丢失。其次，红光的波长最长或能量最小，因此在水中吸收更多，而绿光和蓝光的特性相反，导致水下图像偏绿或偏蓝。为了解决这些问题，已经开发了许多方法来增强退化的水下图像，它们可以分为以下三种主要类型：(1)无模型方法。Singh等人提出了一种基于多尺度融合的方法，通过混合白平衡和对比度增强的输入及其色度、显着性、亮度的权重图来增强水下图像的可见性。Ancuti等人提出了一种基于多尺度融合原理的基于单幅图像的替代解决方案，从原始图像的颜色校正和对比度增强版本中获取两个输入，并定义了四个权重图以增加可见性远处的物体。Lu等人首先使用基于自相似性的超分辨率方法获得高分辨率的散射和去散射图像，然后应用凸融合规则恢复最终图像。通常，这些方法可以改善水下图像的整体对比度和边缘清晰度，但是存在色偏。(2)基于模型的方法。Fu等人提出了一种基于retinex的增强方法来增强单个水下图像。该方法使用颜色校正方案去除色偏，然后提出变分Retinex框架来增强反射率和照度，通过交替方向优化来解决。zhang等人提出了一种用于水下图像增强的多尺度Retinex系统，它在CIELAB颜色空间的三个通道上利用双边滤波器和三边滤波器的组合。此外，li等人提出了一种基于蓝绿通道去雾和红通道校正的水下图像恢复方法。虽然这些方法提升了水下图像的细节，但它们往往会过度放大噪声并导致颜色失真。(3)基于深度学习的方法。Perez等人提出了一种基于CNN的网络，该网络是增强水下图像的端到端框架。Li等人提出了WaterGAN，一种生成对抗网络(GAN)来生成逼真的水下图像，它涉及水下图像去雾方法和对比度增强算法。由于缺乏水下数据集，这些基于深度学习的方法不能产生有希望的视觉效果，但会产生一些过饱和、细节不清晰和背景颜色不自然的不良结果。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种简单高效的基于朗伯比尔定律的水下图像增强方法，在消除偏色的同时，增强了水下图像。

技术方案：本发明所述的一种基于朗伯比尔定律的水下图像增强方法，包括以下步骤：

(1)分析水下图像成像过程，通过朗伯比尔定律增强水下图像，构建水下图像增强模型；

(2)使用景物信息丰富的自然图像的统计均值和方差来校正水下图像的均值和方差；

(3)构建与水下图像的均值和方差相关联的线性模型，用于定位包含更多无法改善的细节的图像区域；

(4)利用定位信息加入非线性自适应权重函数，改善水下图像细节并防止其余细节失真。

进一步地，步骤(1)所述的通过朗伯比尔定律增强水下图像实现过程如下：

水下图像的衰减比例通过朗伯比尔定律来描述，朗伯比尔定律如下：

其中，i是光的波长，L是光程长度，I_i(L)是在视点上波长i的光强度，I_i,0是光源处的光强度，ε_i是不同波长的衰减系数；

进入水面时的光强度视为光源处的光强度，如下所述：